Ciencia para solucionar
Presage utiliza la ciencia de vanguardia, tanto propia como pública, creada por su equipo científico para convertirla en soluciones para tu organización. Con más de 150 publicaciones en Sistemas Adaptativos Complejos, Computación Evolutiva, Aprendizaje Automático, Minería de Datos Espaciales y Redes de Inferencia Complejas, así como sus aplicaciones en mercados financieros, obesidad y enfermedades crónicas degenerativas, COVID-19 y otras enfermedades emergentes, biodiversidad, crimen, riesgo de desastres, personas sin hogar y política, entre otros, además de una amplia cantidad de proyectos empresariales exitosos, el equipo de ciencia de datos de Presage brinda a nuestros clientes acceso tanto a la creatividad de la investigación académica como a la capacidad demostrada para resolver problemas empresariales del mundo real.
Sistemas Adaptativos Complejos
Tu negocio es complejo y adaptativo. Complejo en el sentido de que lo que sucede en él y para él depende de muchos factores, el problema de la “multifactorialidad/multi-causalidad”. Adaptativo en el sentido de que lo que funciona hoy puede que no funcione mañana, ya que el mundo cambia. Lidiar exitosamente con estas características está en la vanguardia de la investigación científica. El equipo de Presage tiene más de 20 años de experiencia en la investigación de Sistemas Adaptativos Complejos, desarrollando nuevas metodologías y probándolas en problemas del mundo real. Los resultados se han incorporado a la Plataforma HIPRE de Presage, que tiene la capacidad de crear modelos de predicción bayesianos con un número casi ilimitado de factores – complejidad – y permite que los modelos aprendan en presencia de nuevos datos – adaptación.
Computación Evolutiva
La asignación de activos, la optimización de líneas de producción, la planificación de rutas, la programación y muchos otros son problemas en los que hay un número exponencial de soluciones posibles. Por lo general, se utiliza la Inteligencia Humana para explorar el espacio de posibilidades utilizando la intuición y la experiencia como guía. Sin embargo, además de estar sesgada, la Inteligencia Humana solo puede explorar una pequeña fracción de las posibles soluciones, dejando la posibilidad de que existan soluciones mucho mejores sin descubrir. Los Algoritmos Evolutivos, basados en los principios de la evolución darwiniana, son un área de la Inteligencia Artificial que permite una exploración fundamentada de las posibilidades que está mucho más allá de la capacidad de la Inteligencia Humana. El equipo de Presage ha sido líder en el desarrollo en esta área con varios algoritmos propietarios contenidos en su Plataforma HIPRE.
Aprendizaje Automático
Aprendizaje automático es un término más adecuado para muchos de los desarrollos más emocionantes en la Inteligencia Artificial en las últimas décadas, capturando la idea de que, al igual que una “máquina” física, un algoritmo de aprendizaje automático está diseñado para hacer una cosa, pero solo una cosa, muy bien. Lo que los modelos de predicción basados en el aprendizaje automático, P(C|X), están diseñados para hacer bien es predecir el resultado C dado la presencia de los factores X. Existe una gran cantidad de metodologías de aprendizaje automático, que van desde sistemas simples basados en reglas hasta los métodos más sofisticados de aprendizaje profundo. El equipo de Presage tiene amplia experiencia en muchas de estas metodologías, aunque la Plataforma HIPRE se basa en algoritmos de aprendizaje bayesianos que consideramos los más adecuados para tratar con Sistemas Adaptativos Complejos.
Aprendizaje Profundo
Algunos de los desarrollos más emocionantes en la Inteligencia Artificial en los últimos años han estado en el área del Aprendizaje Profundo, y más recientemente, en el desarrollo de Large Language Models. Estos modelos se pueden caracterizar como “cajas negras” en el sentido de que la relación entre la salida y las entradas – los POR QUÉ de tu predicción – es muy opaca. Para muchas de sus aplicaciones, como la traducción, la transcripción, el reconocimiento de voz e imágenes, los POR QUÉ no son importantes. Sin embargo, al considerar los Ciclos de Decisión de una organización, los POR QUÉ detrás de la predicción son vitales. Presage utiliza el Aprendizaje Profundo, cuando es apropiado, como un componente en su modelado de Ciclo de Decisión, combinándolo con modelos de predicción de caja blanca para combinar los mejores aspectos de múltiples algoritmos de aprendizaje automático.
Minería de Datos Espaciales
Una de las principales áreas de generación de datos en la Revolución de los Datos es la información espacial asociada a la pregunta comercial: ¿DÓNDE? Muchos Sistemas de Información Geográfica (SIG) están disponibles para un análisis descriptivo de estos datos, pero sin la capacidad de producir modelos de predicción. Presage ha desarrollado múltiples innovaciones en esta área que permiten la predicción P(C|X) de cualquier clase de interés, C, representada como una distribución geográfica, en función de cualquier cantidad de predictores X que también se representen como distribuciones geográficas. Estos desarrollos se han aplicado con éxito al modelado de los factores de riesgo de la falta de vivienda y la vivienda injusta, de accidentes automovilísticos, de enfermedades emergentes como COVID-19 y de la predicción y mitigación del crimen.